20240731-Wed-T-Python环境管理

1. 介绍

在使用Python开发时，遇到了很多配置环境的情形。有时需要安装不同版本的Python，有时需要安装不同的Python包，有时需要安装不同的Python包的不同版本。

最开始使用时我基本上都是看网上的教程，不同的Python项目可能使用不同的环境管理工具，不知不觉就用过了pip、conda、mamba、virtualenv、venv等等。这些工具各有优劣，有时候我也会混用，导致环境变量混乱，有时候还会出现冲突。

由于一直没有什么一致性，导致电脑上的Python环境比较乱，我自己也感觉云里雾里的，所以我打算总结一下这些工具的使用方法，以及它们的优缺点。最后会给出我自己推荐的一些使用方法。

2.Python管理工具分类

Python管理工具可以分为两类：

包管理工具：用于安装、卸载、更新Python包，如pip、conda、mamba等。

环境管理工具：用于管理Python环境，如venv、virtualenv、conda、mamba等。

我们这里主要讨论环境管理工具，因为包管理工具的使用方法比较简单，而且大多数情况下我们都会使用pip，所以这里不再赘述。

3. Python环境管理工具

3.1 venv

venv是Python自带的环境管理工具，其使用起来是最简单，也是最不需要操心的。
使用方法

1. 创建一个新的环境：python -m venv .venv
   这样就会在当前目录下创建一个.venv的文件夹，里面包含了一个新的Python环境。当然，这里的.venv可以替换成任何你想要的名字，用.venv是因为这样可以创建一个自动隐藏的文件夹，在git中也很容易把它忽略掉。

   注意，这里的python是你想要创建环境的Python版本，如果你有多个Python版本，可以使用python3或者python3.10等。

2. 激活这个环境：
   source .venv/bin/activate

3. 安装Python包：
   在激活环境之后，使用pip安装Python包会把包安装到这个环境中，而不是全局环境。安装的包会放在.venv/lib/python3.10/site-packages目录下。
   pip install numpy
   注意，这里的numpy是包名，你可以替换成任何你想要的包名。

4. 退出环境：
   在环境中使用deactivate命令可以退出环境。
   deactivate
   优缺点
   优点：
   原生工具，简单易用，不需要安装额外的软件。
   速度快，因为不需要下载额外的软件包。
   环境隔离，不会影响全局环境。
   可以在任何地方创建环境，不需要管理员权限。
   每个项目中的环境都在本项目目录下，与其他项目做到了物理隔离，不易弄混。
   缺点：
   每个项目都需要创建一个新的环境，如果有很多项目，会占用很多空间。
   无法共享环境，如果有多个项目使用同一个环境，需要重复创建。
   不好切换Python版本，每个环境都是一个Python版本，无法切换。
   只适用于Python 3.3及以上版本。
   简单来说，如果你不在意空间占用，不需要切换Python版本，那么venv是一个很好的选择。

3.2 virtualenv

由于venv有很大的占用空间的问题，所以有人开发了virtualenv，它是一个第三方的环境管理工具，可以解决venv的一些问题。
virtualenv的使用方法和venv基本一样，只是需要安装virtualenv这个包。

使用方法

1. 安装virtualenv：`pip install virtualenv`
2. 创建一个新的环境：`virtualenv .venv` (在当前目录下创建一个.venv文件夹)
3. 如果你想指定Python版本，可以使用如下命令：`virtualenv -p python3.10 .venv`
4. 激活这个环境：`source .venv/bin/activate`
5. 安装Python包：`pip install numpy`
6. 退出环境：`deactivate`

创建环境激活后，VSCode可自动识别

但它和venv的区别在于，virtualenv会复用系统的Python库，不会重复安装，所以占用的空间会小很多。如果你不想复用系统的Python库，可以使用--no-site-packages选项，在本项目中安装全新的Python库。

优缺点
优点：

    可以指定Python版本。
    可以共享环境，不需要重复创建。
    占用空间小，不会重复安装Python库。
    适用于Python 2.7及以上版本。
缺点：

    非原生工具，需要安装额外的软件。
    简单来说，如果你在意空间占用，且想要和venv相似的使用体验，那么virtualenv是一个很好的选择。

3.3 conda

conda是一个非常强大的环境管理工具，它不仅可以管理Python环境，还可以管理其他语言的环境，如R、Julia等。
conda、Anaconda、miniconda、mamba、micromamba之间的关系
conda是Anaconda的一部分，Anaconda是一个数据科学家常用的工具包，里面包含了很多数据科学家常用的软件包，如numpy、pandas、scipy等。但有用户反映Anaconda安装的软件包太多，占用空间太大，所以有人开发了miniconda，它是Anaconda的精简版，只包含了conda和一些基本的软件包。

不管是Anaconda还是miniconda，都是使用conda这个包管理工具来管理环境，但conda在安装软件包时是单线程的，速度比较慢，所以有人开发了mamba，它是conda的一个加速版，速度比conda快很多。

mamba和conda的使用方法基本一样，只是在安装软件包时使用mamba代替conda。用户基本可以认为，mamba命令是conda命令的一个别名。

micromamba是mamba的一个精简版，micromamba的base环境是空的，不包含任何软件包。